Искусственный интеллект в телекоме стал инструментом управления нагрузкой, качеством сервиса и затратами. Однако внедряется он неравномерно: в небольшой региональной сети живой сервис и классический мониторинг часто работают эффективнее. У крупных операторов ИИ становится способом перейти от реактивной модели "сломалось — починили" к проактивной — "предсказали — предотвратили".
Сегодняшний рынок демонстрирует разные пути развития: в то время как гиганты формируют сложные цифровые экосистемы, небольшие региональные операторы выбирают более осторожную тактику. Для них ИИ остается скорее вспомогательным инструментом, который помогает специалистам быстрее находить информацию, не разрушая при этом ценную для абонентов культуру живого человеческого общения.
Рациональный консерватизм
Для небольших региональных операторов тотальная замена поддержки искусственным интеллектом пока выглядит преждевременной. В условиях компактной сети ручная диагностика и "живой" сервис остаются более эффективными инструментами удержания лояльности. Для таких компаний наиболее рациональный путь — использование ИИ как невидимого цифрового ассистента, который помогает специалисту быстрее находить информацию, не лишая абонента привычного взаимодействия с сотрудником.
В телекоме ключевой драйвер внедрения ИИ — экономика повторяемости. Если у оператора небольшой объем обращений и компактная сеть, сложные AI-контуры часто проигрывают по эффективности "живому" сервису и базовой автоматизации.
Алексей Смирнов, главный инженер компании "Тритиум", озвучил характерную для небольших региональных операторов позицию — умеренный консерватизм в вопросах внедрения искусственного интеллекта. В колл-центре и службе технической поддержки по-прежнему отдают предпочтение живому общению, считая, что при текущих масштабах бизнеса классическая автоматизация работает эффективнее нейросетей. Аналогичный подход прослеживается и в эксплуатации сети — вместо систем AI-диагностики успешно применяют традиционный мониторинг под управлением опытных инженеров, что для компактной инфраструктуры зачастую оказывается быстрее и надежнее.
"AI рассматриваем скорее как вспомогательный инструмент (например, для быстрого поиска информации, которая может помочь оператору техподдержки быстрее найти решение проблемы), а не замену "живого сервиса", — отмечает Алексей Смирнов.
Основным препятствием для перемен выступают не финансовые или технологические сложности, а риск оттолкнуть абонентов, которые дорожат человеческим вниманием.
Новая архитектура клиентского сервиса
Использование ИИ оказало значительную помощь крупным региональным игрокам с интенсивным потоком обращений. Внедрение интеллектуальных голосовых помощников и систем самообслуживания позволяет им радикально снизить нагрузку на первую линию поддержки. В данном случае технологии становятся не просто функциональной надстройкой, а важной частью продуктовой стратегии, они интегрированы в экосистемы умных домов и сервисы безопасности.
Сильный контраст показывает кейс "Уфанет": компания использует AI-технологии собственной разработки в реальной операционной работе. Компания несколько лет развивает голосового помощника "Алину" на технологиях распознавания и синтеза речи. Принципиальной особенностью решения стал отказ от классического кнопочного меню в пользу естественного голосового диалога с абонентом.
Путь "Алины" начинался с простейших команд, таких как проверка баланса или уточнение номера договора, но со временем ее функционал вырос до 40 различных сценариев. "Алина" помогает пользователям решать вопросы с доступом в интернет, настраивать роутеры и ТВ (он может отправить ссылку на самостоятельную настройку из "Базы знаний "Уфанет"), управлять умными домофонами и проводить платежи. В случаях, требующих технических манипуляций, система оперативно направляет абоненту ссылку на инструкцию из внутренней базы знаний компании.
По данным команды разработки, диалог с помощником в среднем длится около 1,5 минут, а нагрузка на живых операторов сократилась примерно на 50%. Клиентам это обеспечило качественный рост сервиса — на первой линии поддержки практически исчезли очереди, а скорость получения информации значительно выросла.
В колл-центре "Уфанет" огромная доля обращений — типовые и повторяющиеся. ИИ забирает на себя "ритуальные" операции (идентификация, баланс, стандартные инструкции, навигация), а живые специалисты высвобождаются для сложных случаев, где ценность человека максимальна.
Технологии распознавания для лояльности клиентов
"Уфанет" использует ИИ не только для поддержки, но и в массовом продукте — умных домофонах, где работает функция "умного входа по лицу".
В ноябре 2025 года система получила апдейт: модель стала быстрее и требовательность к вычислительным ресурсам снизилась. Нейросеть адаптировали под качество картинки с домофонов, за счет чего точность распознавания выросла примерно с 50% до 80%. Как сообщили в компании, прирост пользователей за месяц составил более 11%.
Для оператора ИИ в продукте — это уже не "оптимизация затрат", а инструмент удержания и дифференциации клиентов. Услуга становится привычкой: чем чаще абонент пользуется "умным" входом, тем сложнее ему менять провайдера.
В 2025 году компания "Уфанет" запустила проект "Безопасные поселки", создав цифровую концепцию "Купола безопасности" с умными домофонами, шлагбаумами и видеонаблюдением. Для продвижения услуг команда создала нейросетевой мини-сериал в стиле "Очень странных дел", где герои и сказочные персонажи сталкиваются с мистической угрозой, защищаясь с помощью технологий компании.
Проект стал техническим вызовом: для создания кадров потребовались сотни генераций в нейросетях ChatGPT и Veo3, а персонажей создавали на основе реальных сотрудников, затем их озвучивали актеры дубляжа. Креативный подход оправдал себя — сериал собрал более 20 тысяч просмотров в соцсетях и вошел в шорт-лист фестиваля "Культура 360″ в категории AI.
Эволюция сетевого интеллекта
Для операторов федерального масштаба искусственный интеллект превращается в сложный "интеллектуальный слой" управления всей инфраструктурой. Здесь внедрение идет максимально последовательно: от решения точечных прикладных задач к созданию единого контура управления. При этом неизменно соблюдается принцип "человек в системе", где за инженером остается решающее слово, а автоматизация всегда сопровождается жестким контролем качества и механизмами безопасного отката.
Если в обслуживании клиентов искусственный интеллект чаще всего берет на себя рутинные вопросы, то в управлении сетевой инфраструктурой ситуация в корне иная. Здесь цена ошибки неизмеримо выше, а требования к безопасности и контролю — жестче. Роман Хазеев, директор по развитию цифровых технологий "Ростелекома", видит путь к инновациям не в резкой смене курса, а в постепенной эволюции. Стратегия компании строится на переходе от точечных прикладных задач, таких как ускорение диагностики или прогнозирование сбоев, к созданию полноценного "когнитивного" контура управления.
В этом процессе ключевую роль играют не столько сами алгоритмы, сколько качество накопленных данных, считает спикер. Искусственный интеллект невозможно внедрить "под ключ" — его собирают как конструктор из конкретных сценариев, каждый из которых должен приносить измеримую пользу. При этом в критически важной инфраструктуре неприменим принцип "полного автопилота".
"Важно, что в инфраструктуре критичного масштаба любые автоматические действия внедряются поэтапно: сначала как поддержка решений инженера (human-in-the-loop), затем — ограниченная автоматизация типовых операций с контролем и безопасными механизмами отката", — отмечает Роман Хазеев.
Наиболее быстрый и заметный эффект технологии дают в сегменте клиентского доступа. Именно здесь, "на последней миле", ИИ позволяет заметить деградацию связи еще до того, как абоненты начнут подавать жалобы. Это помогает точнее локализовать проблемы и избавляет от лишних выездов ремонтных бригад. В магистральных сетях потенциал ИИ также велик, однако внедрение там идет осторожнее из-за колоссальной ответственности за стабильность всей системы.
Внедрение искусственного интеллекта в телекоммуникационной отрасли рассматривается не как инструмент для замещения персонала, а как инструмент для повышения операционной эффективности. Главными показателями успеха такого подхода считают то, что ремонт сетей стал проходить быстрее, а пользователи стали реже обращаться с одной и той же проблемой повторно.
"На первом этапе главный KPI — операционная эффективность и качество сервиса: снижение времени восстановления (MTTR), уменьшение повторных обращений, рост доли дистанционной диагностики и сокращение лишних выездов. Это одновременно влияет и на OPEX, и на удовлетворенность клиентов (NPS). Рост ARPU через персонализацию возможен, но это следующий слой: он устойчиво работает, когда базовое качество и доверие уже обеспечены", — отмечает Роман.
Российский телеком-рынок сегодня движется по трем различным траекториям, каждая из которых продиктована масштабом бизнеса и спецификой задач.
Вырисовывается общий тренд ближайших лет: индустрия стремится не к механической замене людей машинами, а к усилению человеческих компетенций. Будущее отрасли — в проактивной диагностике, умной сортировке инцидентов и управляемой автоматизации. При этом наибольший и максимально быстрый эффект технологии приносят там, где они ближе всего соприкасаются с повседневными нуждами абонента и массовыми операциями.
- Войдите или зарегистрируйтесь, чтобы оставлять комментарии
